基于层次图卷积的电网故障严重程度预测方法技术

本发明专利技术属于电力系统安全防护技术领域，具体为一种基于层次图卷积的电网故障严重程度预测方法。本发明专利技术依据电网拓扑结构构建描述电网连接关系的连通图结构，并据此结合图卷积计算构建电网故障严重程度预测模型，使用电网状态‑故障严重程度值对作为样本进行训练模型；最后通过将电网状态输入故障严重程度预测模型，计算并输出电网在各类故障条件下的故障严重程度值。相比于现有电网故障严重程度预测方法，本发明专利技术所提出的方法在预测准确率和计算速度上都有较大提升，进一步增强了电网安全保护系统的可靠性。

【技术实现步骤摘要】
基于层次图卷积的电网故障严重程度预测方法
本专利技术属于电力系统安全防护
，具体涉及一种基于层次图卷积的电网故障严重程度预测方法。
技术介绍
随着科技的不断进步和社会的迅速发展，对电力的需求越来越大，人们在生产和生活中越来越重视电力系统的安全性和可靠性，对其要求也变得越发的严格。因此，电力系统安全防护技术对于国家和社会也有着非常重要的战略意义。对电网状态的危险程度进行识别和分析是实施电力系统安全防护的前提和基础，电网故障严重程度预测技术，是指在给定电网状态条件下，预测出电网在不同故障条件下的故障严重程度，该技术要解决的主要问题包括：电网拓扑难以建模，计算所需时间较长、预测准确率不高等。电网故障严重程度的预测传统上依赖于潮流计算与暂稳计算等仿真方法，这类方法的最大问题在于其计算量很大，所需的时间较多。在机器学习领域，可以通过基于线性回归的方法，通过建立线性回归模型来实现电网状态和故障严重度值之间的映射，但是这类方法无法较好的拟合具有高度非线性的电网状态与故障严重度之间的映射关系。基于神经网络的方法(如：多层感知机)通常先构建神经网络模型，通过在模型中引入非线性的成分来提升模型拟合的效果，但是这类方法不能利用电网本身存在的结构拓扑信息，在预测准确率上存在一定缺陷。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种新的电网故障严重程度的识别方法。该方法是基于深度学习方法，是针对当前深度学习模型仅能适用于欧式空间的数据这一缺陷进行的改进。本专利技术提出基于层次图卷积的电网故障严重程度预测方法，能快速、准确地预测出给定电网状态条件的各类故障严重程度值，能够为电力安全防护系统评估电网安全态势、做出安全防护决策提供依据，增强电网安全防护系统的可靠性。本专利技术的技术方案具体介绍如下。一种基于层次图卷积的电网故障严重程度预测方法，其分为3个阶段：构建电网节点层次图结构、训练电网故障严重程度模型和预测电网故障严重程度三个阶段；其中：构建电网节点层次图结构阶段，根据电网中交流线和母线的连接关系，以交流线为顶点，连接关系为边构造连通的电网节点层次图结构；训练故障严重程度预测模型阶段，以电网节点层次图结构为基础进行图卷积运算，建立故障严重度识别模型，并使用电网状态和故障严重度值作为训练样本，对故障严重程度预测模型进行训练；预测电网故障严重程度阶段，将待预测电网状态输入故障严重程度预测模型，模型运算后输出发生各类故障的严重程度预测值。优选的，构建电网节点层次图结构阶段中，给定交流线与母线的连接关系其中t表示交流线的编号，Nac表示交流线的数量，表示交流线与母线的连接关系，表示交流线的i侧母线编号，表示j侧母线编号；根据交流线与母线的连接关系构建电网节点层次图结构的步骤如下：①构建图G＝(V，E)，其中是顶点的集合，i为顶点编号，顶点vi代表交流线V中顶点个数和交流线总数相同；E是边的集合，定义如下：E＝{(vp，vq)|vp与vq关联，vp∈V，vq∈V，p≠q}，其中，vp与vq“关联”定义为交流线和的两侧母线编号满足以下四种关系中的一种：即，vp有一侧的母线是与vq中一侧的母线是相同的；②寻找G中所有极大连通子图其中gi为第i个极大连通子图，Ng为极大连通子图的数量；如果Ng＝1，则G即为最终图结构，构建过程结束；否则跳转至步骤③；③对中的每一个极大连通子图gi，新增一个顶点并将该顶点加入V；同时将与gi中的每个顶点之间都建立一条边，并将这些边加入E；④新增一个顶点vx，将该顶点加入V；同时将vx与步骤③中新增的每一个顶点之间都建立一条边，并将这些边加入E，此时的G即为最终图结构，构建过程结束；通过以上步骤，即可完成电网节点层次图结构G的构建，步骤③、④中新增的顶点统称为虚拟顶点；优选的，在训练故障严重程度预测模型阶段，对故障严重程度预测模型进行训练的具体步骤如下：①构建网络整个网络包括9层，从第一层到第九层依次为第一图卷积层、第一线性整流层、第二图卷积层、第二线性整流层、第三图卷积层、DropOut层、全局池化层、第一全连接层、第二全连接层；其中，对于每个图卷积层，其计算过程表示为H′＝AHW，其中输入H是一个n×d的矩阵，n为电网节点层次图结构G中的顶点个数，d是输入的电网节点状态数据维度，W是待学习的参数矩阵，A是图结构G的邻接矩阵，H′即为图卷积层的输出；对于第二全连接层，其包括K个神经元，K和电网故障集的数量相同；②训练网络网络的训练样本集为N表示为样本数量，Ti＝(Si，mi)表示样本集中的第i个样本，其中电网状态Si是一个大小为n×d的矩阵，n为电网节点层次图结构G中的顶点个数，d＝5，即为输入的电网节点状态数据维度，Si的第j行Sij表示图结构G的第j个顶点的状态，如果顶点j为图结构构建过程中产生的虚拟顶点，则Sij全部设为0，即Sij是一个5维的零向量；如果顶点j不是虚拟顶点，则是电网节点的状态向量，其中表示交流线的i侧母线连接状态，其值为0时表示与母线连接，为1表示与母线断开；表示交流线的j侧母线连接状态，其值为0时表示与母线连接，为1表示与母线断开；和分别表示交流线的电阻、电抗和充电电纳值；mi是一个K维的故障严重度向量，其每一维表示电网状态Si条件下一种故障的严重程度，K和电网故障集的数量相同；网络训练时，采用以下损失函数：其中，P为训练时的样本批大小，即一个训练批次中的样本数量，为网络根据样本p的电网状态Sp预测出的故障严重程度向量，即将Si输入网络后得到的输出，mp即为样本p的故障严重度向量。优选的，在预测电网故障严重程度阶段中，基于训练故障严重程度预测模型阶段训练得到故障严重度预测模型进行故障严重程度的预测，具体步骤如下：①将电网节点状态数据组织成大小为n×d的矩阵Q，n为电网节点层次图结构G中的顶点个数，d为5，即输入的电网节点状态数据维度；②将矩阵Q输入模型计算后得到一个K维的故障严重度向量M，M的每一维代表一种故障的严重程度预测值。和现有技术相比，本专利技术的有益效果如下：本专利技术采用的层次图卷积结构能够对电网拓扑结构进行层次化建模，有效地解决了复杂电网拓扑结构中存在不连通的子图导致图卷积运算无法进行的问题。本专利技术提出的深度学习模型对给定的电网状态，能够一次性输出多种故障条件下的故障严重度预测值，在保障预测准确率的前提下降低了计算量，减少了计算时间。附图说明图1是本专利技术中的基于层次图卷积的电网故障严重程度预测方法的流程图。具体实施方式以下结合附图和实施例对本专利技术的技术方案进行详细阐述。实施例1本专利技术提出一种基于层次图卷积的电网故障严重程度预测方法，其流程图如图1所示，可分为3个部分：构建电网节点层次图结构、训练故障严重程度预测模型和预测电网故障严重程度。具体如下：1.构建电网节点层次图结构给定交流线本文档来自技高网...

【技术保护点】
1.一种基于层次图卷积的电网故障严重程度预测方法，其特征在于，其分为3个阶段：构建电网节点层次图结构、训练电网故障严重程度模型和预测电网故障严重程度三个阶段；其中：/n构建电网节点层次图结构阶段，根据电网中交流线和母线的连接关系，以交流线为顶点，连接关系为边构造连通的电网节点层次图结构；/n训练故障严重程度预测模型阶段，以电网节点层次图结构为基础进行图卷积运算，建立故障严重度识别模型，并使用电网状态和故障严重度值作为训练样本，对故障严重程度预测模型进行训练；/n预测电网故障严重程度阶段，将待预测电网状态输入故障严重程度预测模型，模型运算后输出发生各类故障的严重程度预测值。/n

【技术特征摘要】
1.一种基于层次图卷积的电网故障严重程度预测方法，其特征在于，其分为3个阶段：构建电网节点层次图结构、训练电网故障严重程度模型和预测电网故障严重程度三个阶段；其中：
构建电网节点层次图结构阶段，根据电网中交流线和母线的连接关系，以交流线为顶点，连接关系为边构造连通的电网节点层次图结构；
训练故障严重程度预测模型阶段，以电网节点层次图结构为基础进行图卷积运算，建立故障严重度识别模型，并使用电网状态和故障严重度值作为训练样本，对故障严重程度预测模型进行训练；
预测电网故障严重程度阶段，将待预测电网状态输入故障严重程度预测模型，模型运算后输出发生各类故障的严重程度预测值。


2.根据权利要求1所述的电网故障严重程度预测方法，其特征在于，构建电网节点层次图结构阶段中，给定交流线与母线的连接关系其中t表示交流线的编号，Nac表示交流线的数量，表示交流线与母线的连接关系，表示交流线的i侧母线编号，表示j侧母线编号；
根据交流线与母线的连接关系构建电网节点层次图结构的步骤如下：
①构建图G＝(V，E)，其中是顶点的集合，i为顶点编号，顶点vi代表交流线V中顶点个数和交流线总数相同；E是边的集合，定义如下：
E＝{(vp，vq)|vp与vq关联，vp∈V，vq∈V，p≠q}，
其中，vp与vq“关联”定义为交流线和的两侧母线编号满足以下四种关系中的一种：



即，vp有一侧的母线是与vq中一侧的母线是相同的；
②寻找G中所有极大连通子图其中gi为第i个极大连通子图，Ng为极大连通子图的数量；如果Ng＝1，则G即为最终图结构，构建过程结束；否则跳转至步骤③；
③对中的每一个极大连通子图gi，新增一个顶点并将该顶点加入V；同时将与gi中的每个顶点之间都建立一条边，并将这些边加入E；
④新增一个顶点vx，将该顶点加入V；同时将vx与步骤③中新增的每一个顶点之间都建立一条边，并将这些边加入E，此时的G即为最终图结构，构建过程结束；
通过以上步骤，即可完成电网节点层次图结构G的构建，步骤③、④中新增的顶点统称为虚拟顶点。


3.根据权利要求1所述的电网故障严重程序预测方法，其特征在于，在训练故障严重程度预测模型阶...

【专利技术属性】
技术研发人员：吴渊，曹蕊，金城，郑伟杰，
申请(专利权)人：复旦大学，中国电力科学研究院有限公司，国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：上海;31